PE即市盈率相信大家都不陌生，很多机构在预测牛市熊市普遍用到了低市盈率买入，高市盈率卖出。因为1年为252个交易日（美），A股为240个交易日，聚宽样本数量最大为3000，该策略研究我选取近似10年的交易日数据为2500个，也符合A股5年一波牛市，即约2个牛市的或者说1个朱古拉周期的样本数。
策略中PE建模为每月更新一次，由于历史PE值取log对数后，属于非正态分布，呈现右偏态，所以选取中位数效果好于平均数。原来想对中位数±0.25倍标准差设立【安全交易带】，但是考虑到A股市场股民价值投资较少，涨到一定程度，还会继续追高，而市场价值低估他们仍然不会买入，因此相比其他市场存在一定超卖，所以下轨道设置为0.5倍std可以获得更好的择时效果。
以上为历史PE图（2019年4月15日往前2500个交易日数据样本，对PE进行log取对数后得到的走势图和分布图）
TIP：可以看到，目前上证整体PE离安全带只有10%(取log对数后，目前值（2019-04-18）：2.79551147687，上轨值2.8161762017)的空间，超过安全带，若发生调整，就是见顶卖出了，除非2019年Q1~Q2上市公司整体发布财报EPS都有所提升降低整体市场PE，不然这波行情几乎就要见顶了！
交易买入和卖出选择MA5上穿或下穿MA10，5日和10日均线在短线交易上效果较好，但是用在大盘择时上显然不可能，加入了【PE安全交易带】之后，在安全带之上卖出，安全带之下买入，而当前PE处在【PE安全交易带】之内时，不进行择时。这样就达到了很不错的效果，100%（当然有点标题党了，嘿嘿）。
本研究只选取了HS300指数进行交易（资金麻烦选择1000万以上，否则资金不够无法买入），仅展示择时效果，其实可以略微调整安全带的下轨0.5倍值，原因其实在低市盈率市场下，进行ROE、CR、PEG等因子买入超低股并持有，往往会获得比HS300指数更好的alpha，这也是为何熊市持有低贝塔的原因。
另外，各位可以通过调节MA的值比如MA1周期更小，MA2周期更大，来获得不一样的效果，具体择时效果可以参考论坛其他帖子，当然了使用EXPMA效果会更好些，这些都可以自己调整测试。对于安全带的大小设定，也可以通过调节std前的倍数来调节宽还是窄，建议不要进行过大或者过小的调整，同时也要考虑到MA的择时效应，比如宽安全带，灵敏MA或者窄安全带，钝化MA。
<code>def MA(self): date = self.date security = self.security #p = get_price(security = security, count = 21, end_date = date, fields=['close']) #MA1 = p.close[-5:].mean() #MA2 = p.close[0:10].mean() MA1 = EXPMA(security,date,timeperiod = 5)[security] MA2 = EXPMA(security,date,timeperiod = 25)[security] return MA1/MA2if g.NOWPE < g.stdL and g.MA > 1: #调节MA选择值，比如1改为1.01来提高买入择时效果/<code>
下图附上同期RSRS择时进行比较。在没有调优的情况下，本策略持股时间更长，而且回测效果明显好于RSRS择时，熊市低市盈率持股配合PEG选股或者戴维斯双杀，可以获得更好的alpha。
本策略效果：
具体的研究代码和策略代码可以在聚宽论坛搜索同名标题。
閱讀更多 Marshal 的文章
